Question

我试图使用scipy odeint解决以下微分方程而没有取得多大成功：

import numpy as np
from scipy.misc import derivative
from scipy.integrate import odeint

Imag = 16000.
w = 2*np.pi*60
tau = .05
theta = 1.52
phi = theta - np.radians(90)
t = np.linspace(0,.1,10000)
def Ip(t):
    return np.sqrt(2)*Imag*(np.sin(w*t+phi-theta)-np.exp(-t/tau)*np.sin(phi-theta))

B = lambda Ip: Ip/(53.05+0.55*abs(Ip))
def L(B):
    return derivative(B,Ip(t))*377.2

def dI(t):
    return derivative(Ip,t)

def f(y,t):
    Rb = 8.
    N = 240.
    Is = y[0]
    f0 = (1/(L(B)+0.002))*((dI(t)*L(B)/N)-Rb*y[0])
    return [f0]

yinit = [0]
sol = odeint(f,yinit,t)
print sol[:,0]

我一直收到以下错误：

odepack.error: Result from function call is not a proper array of floats.
ValueError: object too deep for desired array
odepack.error: Result from function call is not a proper array of floats.

如何在没有错误的情况下运行脚本？

Answer 1

使用ode代替odeint

怎么样？

有一个与你相似的问题： How to make odeint successful?

Answer 2

此功能存在问题：

def L(B):
    return derivative(B,Ip(t))*377.2

请注意，t是指前面定义的全局变量，它是一个numpy数组。我认为您需要重新思考如何定义函数及其参数 - t是否也应该成为L的参数？实际上，f返回包含数组的列表，即使它的第一个参数包含单个元素：

In [10]: f([1], 0)
Out[10]: 
[array([ -2.28644086e+10,  -2.28638809e+10,  -2.28633064e+10, ...,
        -1.80290012e+09,  -1.80271510e+09,  -1.80258446e+09])]

这会导致odeint中断。

如何使用scipy odeint求解这个微分方程？

2 个答案: